ارائه يك روش قطعه بندي تركيبي چند سطحي با تأكيد بر استخراج مرز زمين‌هاي كشاورزي بر اساس تركيب مدل‌هاي منحني فعال

Introduction of a Hybrid Multi-phase Segmentation Method Emphasizing Agricultural Land Boundary Extraction based on a Combination of Active Contour Models

تشخيص مرز زمين‌هاي كشاورزي از تصاوير سنجش از دور با وضوح بالا يك چالش بزرگ ناشي از محيط پيچيده زمين است كه آن را تبديل به موضوع قابل توجهي در تحقيقات نموده است. كمبود داده‌هاي مكاني جهت تعيين مساحت و موقعيت اراضي كشاورزي، به­منظور كنترل و برنامه‌ريزي در مورد كشت و غذا و همچنين تخمين پارامترهاي آماري جهت مديريت بهينه در كشاورزي و غيره، لزوم استخراج مرز اين اراضي را محرز مي‌سازد. براي اين منظور مدل‌هاي منحني فعال ابزاري قدرتمند جهت شناسايي و رديابي عوارض تصويري مي­باشند. در راستاي توسعه اين مدل‌ها، در اين تحقيق تركيب دو مدل منحني فعال غير پارامتريك، از نوع ناحيه مبناي چان-ويس و مدل لبه مبناي هندسي در نظر گرفته شد تا به‌طور هم‌زمان از اطلاعات لبه و ناحيه در يك ساختار رياضي هيبريدي براي استخراج مرز اراضي كشاورزي استفاده شود. اين تركيب قادر به جداسازي تنها يك نوع عارضه از پس‌زمينه مي‌باشد؛ بنابراين براي افزايش كارايي مدل تركيبي و ارتقا و توسعه آن براي تصاوير رنگي نيز تلفيق مدل تركيبي با مدل چندسطحي انجام شد. پس از ارزيابي مدل پيشنهادي با نقشه مرجع توليد شده، مقادير حاصل براي معيارهاي ارزيابي محاسبه گرديد كه نشان دهنده مقادير 90.312 براي شاخص دقت كلي، 86.186 براي ضريب كاپا و 81.936 براي شاخص كيفيت، براي چهار تصوير با ويژگي‌هاي متفاوت بود. پس از مقايسه بين مقادير به دست آمده براي شاخص‌هاي مورد نظر، مدل پيشنهادي به‌صورت ميانگين 9% براي شاخص كاپا، 6% براي شاخص دقت كلي و 12% براي شاخص كيفيت افزايش دقت نسبت به مدل پايه را نشان داد. همچنين بررسي با آزمون مك نمار نيز بيانگر عدم وابستگي روش پيشنهادي و روش­هاي پايه بود.

Detecting agricultural land borders from high-resolution imagery is a major challenge due to the complex earth environment, which has become a significant issue in researches. Lack of location data to determine the area and location of agricultural land, to control and plan about cultivation and food, as well as to estimate the statistical parameters of agriculture for optimal management in agriculture, etc. shows the necessity of extract the boundaries of these lands. For this purpose, active contour models are a powerful tools for detecting and tracking image objects. In order to develop these models, the combination of two nonparametric region based Chan-Vese active contour and edge based Geodesic Active Contour models was considered to simultaneously apply edge and region information in a hybrid math structure to extract the agricultural land boundary. This combination is able to separate just one type of object from background; Therefore to increase the efficiency of the hybrid model and its development for color images, the hybrid model was combined with the Multiphase Active Contour model. After evaluating the proposed model with the reference produced map, the resulting values for the evaluation criteria were 90.3 for the overall accuracy index, 86.1 for the Kappa coefficient, 85.5 for the product's accuracy index, 87.7 for the user's accuracy index and 81.9 for the quality index, which were obtained from four images with different characteristics. After comparing the values obtained for the desired indices, the proposed model showed an average improvement of 9% for the CAPA index, 6% for the overall accuracy index, 12% for the product's accuracy index, 14% for the user's accuracy index and 12% for the quality index, increasing the accuracy rather than the basic model.